論文の概要: Zero-Observation User Reactivation with Gap-Driven Dimensional Gating

• arxiv url: http://arxiv.org/abs/2607.19802v1
• Date: Wed, 22 Jul 2026 06:32:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-23 18:51:37.992519
• Title: Zero-Observation User Reactivation with Gap-Driven Dimensional Gating
• Title（参考訳）: ギャップ駆動次元ゲーティングによるゼロ観測ユーザ再活性化
• Abstract要約: DeltaGateは、バックボーンを凍結に保つ軽量な出力層プラグインで、パーソナライズされた履歴と学習済みの0dグローバルプレロードの間に各表現をルーティングする。 凍結されたプラグインは、ゼロのバックボーンドリフトを保存し、トレーニング可能なパラメータを約40倍少なくし、観察可能な次元を維持できる。
• 参考スコア（独自算出の注目度）: 3.5844676508083713
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sequential recommendation (SR) models capture continuously observed behavior, but a returning user may have no interactions for months or years. We define this setting as Zero-Observation Reactivation: the user has a pre-gap history, while the platform observes no behavioral signals during a macro-gap Delta t. Under a chronologically aligned Gap-Synthesize Protocol on three Amazon datasets (Video Games, CDs & Vinyl, and Movies & TV), Hit@10 decreases monotonically across the evaluated gap buckets and reaches its lowest level beyond one year. The pattern appears across recurrent, unidirectional, and bidirectional SR backbones. We propose DeltaGate, a lightweight output-layer plugin that keeps the backbone frozen and routes each representation dimension between the personalized history and a learned, zero-initialized global prior. The gate is conditioned jointly on Delta t and the personalized representation. In a controlled diagnostic, we hold the personalized representation fixed and vary Delta t to isolate the trained gate's response to the gap input. In the >365d Video Games bucket, DG-SASRec reaches 0.047 Hit@10 versus 0.031 for SASRec, while DG-BERT4Rec reaches 0.046 versus 0.025 for BERT4Rec, with 66K trainable parameters (2--4% overhead). End-to-end retraining attains higher absolute accuracy but changes the backbone embeddings; the frozen plugin preserves zero backbone drift, uses about 40x fewer trainable parameters, and retains observable dimension-wise routing. The source code is available at https://github.com/jdding/DeltaGate.
• Abstract（参考訳）: 逐次レコメンデーション(SR)モデルは、継続的に観察される振る舞いをキャプチャするが、返されるユーザは、数ヶ月や数年の間、相互作用を持たないかもしれない。 この設定をZero-Observation Reactivation(ゼロオブザーブレーション・リアクティベーション)と定義します。 時系列的に整列されたGap-Synthesize ProtocolをAmazonの3つのデータセット(Video Games, CDs & Vinyl, Movies & TV)で使用することにより、Hit@10は評価されたギャップバケット全体で単調に減少し、1年以上で最低レベルに達した。 このパターンは、反復、一方向、双方向のSRバックボーンにまたがって現れる。 DeltaGateは、バックボーンを凍結に保つ軽量な出力層プラグインで、パーソナライズされた履歴と学習されたゼロ初期化グローバルプリミティブの間の各表現次元をルーティングする。 ゲートはデルタtとパーソナライズされた表現に共同で条件付けされている。 制御された診断では、差分入力に対する訓練されたゲートの応答を分離するために、パーソナライズされた表現を固定し、異なるデルタtを保持する。 365d Video Games バケットでは、DG-SASRecが0.047 Hit@10、SASRecが0.031、DG-BERT4Recが0.046、BERT4Recが0.025、トレーニング可能なパラメータが66K(オーバーヘッド2-4%)に達した。 凍結されたプラグインは、ゼロのバックボーンドリフトを保存し、トレーニング可能なパラメータを約40倍少なくし、観測可能な次元のルーティングを保持する。 ソースコードはhttps://github.com/jdding/DeltaGate.comで入手できる。

関連論文リスト

• What Does a Discrete Diffusion Model Learn? [71.03603607324338]
  離散拡散モデルは、デノイザ、スコア比、ブリッジプラグイン予測器などを学ぶ。 まず, 連続時間マルコフ連鎖 (CTMC) ELBO の任意のノイズ発生過程に対する厳密な導出から始める。 すべてのアイデンティティは、正確に解けるモデル上で近似なしで数値的に検証される。
  論文  参考訳（メタデータ） (2026-07-06T17:56:11Z)
• InstantForget: Update-Free Backdoor Unlearning with Inference-Time Feature Reset [2.347843817145202]
  Backdoor Unlearningは、クリーンなユーティリティを保持しながら、デプロイされたモデルから悪意のあるトリガー動作を削除することを目的としている。 モデルパラメータが凍結状態にある更新不要な推論時間設定について検討する。 InstantForgetは、マハラノビススコアで異常な特徴をフラグ付けし、フラグ付き特徴のみを中立な非ターゲット表現へ移動させるクリーンな校正リセットである。
  論文  参考訳（メタデータ） (2026-06-14T10:26:22Z)
• Dense Coordinate-List Fine-Tuning Induces a Controllable Interference Surface in Vision-Language Models [3.1386698775980597]
  濃密な座標リストを出力する微調整された視覚言語モデルは、視覚的グラウンドを改善するだけでなく、モデルが構造化された出力をシリアライズ、リピート、終了する方法も変更する。 我々はこの挙動を生成および制御面として研究する。 密度座標リストの適応は、測定と制御が可能な構造境界のクロスファミリー干渉面を生成する。
  論文  参考訳（メタデータ） (2026-06-12T14:39:57Z)
• Gated DeltaNet-2: Decoupling Erase and Write in Linear Attention [81.79922329750674]
  リニアアテンションは、ソフトマックスアテンションのキャッシュを固定サイズのリカレント状態に置き換え、シーケンシャルミキシングを線形時間に短縮し、定メモリに復号する。 我々はGated DeltaNet-2を紹介し、Gated DeltaNetとKim Delta Attentionの両方を一般化する。 Gated DeltaNet-2は、言語モデリング、常識推論、検索にまたがるMamba Gated DeltaNet、KDA、Mamba-3の変種の中で、最も優れた総合的な結果を得る。
  論文  参考訳（メタデータ） (2026-05-21T17:44:57Z)
• OSDN: Improving Delta Rule with Provable Online Preconditioning in Linear Attention [12.93065958346192]
  Online Scaled DeltaNetは、JRTスタイルのインコンテキストリコールをDeltaNetよりも32%改善した。 1.3Bパラメータにスケーリングすると、リコール残差比が39%減少する。
  論文  参考訳（メタデータ） (2026-05-13T12:59:26Z)
• Perturbation Dose Responses in Recursive LLM Loops: Raw Switching, Stochastic Floors, and Persistent Escape under Append, Replace, and Dialog Updates [0.0]
  我々は、他のどこかで落ち着いたループを動かすのに、注入されたテキストがどれだけ必要か、そしてそれが継続するかどうかを調査する。 12,000文字の尾クリップの下では、目的地とコヒーレントな持続性台地が16%近く、ソースとバスンの脱出は36%近くで400。 4段階のファルシフィケーション・バッテリは、高線量のデスティネーションコヒーレントディップを有限水平、エンドポイント定義感度の特徴として再キャストする。
  論文  参考訳（メタデータ） (2026-05-04T05:16:43Z)
• From Feature Interaction to Feature Generation: A Generative Paradigm of CTR Prediction Models [81.43473418572567]
  CTR(Click-Through Rate)予測は、レコメンデーションシステムにおける中核的なタスクである。 本稿では,埋め込み次元の崩壊と情報冗長性に対処する新しい生成フレームワークを提案する。 SFGは埋没崩壊を緩和し,情報冗長性を低減し,性能向上を図っている。
  論文  参考訳（メタデータ） (2025-12-16T03:17:18Z)
• Enhancing Consistency and Mitigating Bias: A Data Replay Approach for Incremental Learning [93.90047628101155]
  ディープラーニングシステムは、一連のタスクから学ぶとき、破滅的な忘れがちだ。 これを解決するために、新しいタスク学習中に過去のタスクからのデータを再生する手法を提案する。 しかし、メモリの制約やデータプライバシーの問題により、実際には期待できない。
  論文  参考訳（メタデータ） (2024-01-12T12:51:12Z)
• Consistent Diffusion Models: Mitigating Sampling Drift by Learning to be Consistent [97.64313409741614]
  本稿では, モデルが生成したデータ上での予測が時間とともに一定であることを示す, 両立性特性を強制することを提案する。 CIFAR-10の条件および非条件生成とAFHQとFFHQのベースライン改良について,本研究の新たな訓練目標が得られた。
  論文  参考訳（メタデータ） (2023-02-17T18:45:04Z)
• Chained-Tracker: Chaining Paired Attentive Regression Results for End-to-End Joint Multiple-Object Detection and Tracking [102.31092931373232]
  そこで我々は,3つのサブタスク全てをエンド・ツー・エンドのソリューションに統合する簡単なオンラインモデルである Chained-Tracker (CTracker) を提案する。 鎖状構造と対の注意的回帰という2つの大きな特徴は、CTrackerをシンプルに、速く、効果的にする。
  論文  参考訳（メタデータ） (2020-07-29T02:38:49Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。